基于混合学习算法的RBF神经网络主蒸汽温度控制

• 作者: 姜国强 王杰 王栓
• 来源期刊: 热力发电
• 关键词: 火电厂 主蒸汽温度 控制 最近邻聚类法 梯度下降法 混合学习算法 RBF神经网络 PID
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 热能基础研究
• 页码范围: 28-31,36
• 页数: 5页
• 分类号: TP273+.2
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3364.2009.02.008

摘要

针对火电厂主蒸汽温度的大迟延、模型不确定性特点,提出一种使用径向基(RBF)神经网络整定PID串级主蒸汽温度控制策略.采用一种最近邻聚类法和梯度下降法相结合的混合学习算法构造RBF神经网络,在线辨识被控对象并对PID主控制器参数进行在线调整.仿真结果表明,基于混合学习算法的RBF神经网络PID控制器具有控制精度高、响应速度快的优点,系统动态品质优于常规算法的RBF神经网络PID控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	郑州大学电气工程学院	142	1137	17.0	27.0
2	王栓	郑州大学电气工程学院	4	26	3.0	4.0
3	姜国强	郑州大学电气工程学院	2	18	2.0	2.0